各向異性擴(kuò)散和小波相結(jié)合的圖像去噪算法研究.pdf

1、圖像處理與分析是信息科學(xué)與工程中的一個(gè)主要研究領(lǐng)域。在圖像的生成、傳輸與通信的過程中經(jīng)常會(huì)伴有隨機(jī)的脈沖干擾和其它的噪聲，這將使圖像的質(zhì)量變差。圖像去噪很自然的成為圖像處理的重要環(huán)節(jié)。 小波變換與各向異性擴(kuò)散是兩類重要的降噪方法，本文對(duì)基于小波分析和各向異性擴(kuò)散的圖像降噪方法分別進(jìn)行了研究，并在此基礎(chǔ)上討論了小波分析和各向異性擴(kuò)散在圖像降噪中結(jié)合應(yīng)用的問題。目前，偏微分方程和小波分析在理論上的聯(lián)系還比較薄弱。本文分析了非線性擴(kuò)散

2、和旋轉(zhuǎn)不變小波閾值收縮之間的關(guān)系，推導(dǎo)出旋轉(zhuǎn)不變小波閾值收縮和非線性擴(kuò)散之間的等價(jià)性。 在P—M模型中，利用像素點(diǎn)的梯度大小和梯度閾值來決定是否對(duì)該點(diǎn)進(jìn)行擴(kuò)散。圖像的邊緣是圖像中梯度值比較大的像素，但是并不能找到噪聲與圖像邊緣的精確梯度分界線。F．Catte采用的辦法是先對(duì)噪聲圖像進(jìn)行預(yù)處理平滑，這樣再運(yùn)用P—M模型進(jìn)行濾波就能達(dá)到較好的效果，之后的大多數(shù)模型也沿用了這種思想。但是，它同樣存在著缺點(diǎn)，如高斯核σ的選擇就是一個(gè)困難